A285-LeNet-5模型实现手写数字识别实时画板手写预测
【购买前必看】
1、关于我们
深度学习乐园是由python哥全职技术团队组建运营【团队成员为：复旦大学博士、华东理工爱丁堡博士、格拉斯哥博士、纽约大学硕士、浙江大学硕士】。
我们只做python业务，精通sklearn机器学习/torch深度学习/django/flask/vue全栈开发。
2、关于项目
我们从2018年开始，就专注于深度学习sci、ei、ccf、kaggle等，至今已有7年，共发表过10多篇顶刊顶会。
官网累积了数百个项目，已有3000多学员付费购买，圈子内有口皆碑：www.zzgcz.com （更多高级私密项目无法对外，联系微信定制：zzgcz_com）
3、售后承诺
包远程安装调试，所有项目均在本地运行通过，大部分都有截图和录屏。
支持二次修改，所有项目都是我们自己写的，改起来也非常容易。
加急定制1-2天可完成，这就是实力证明，远程验收满意后再付全款！
所有客户终身售后。兼职的人家都有主业，谁愿意持续服务你？
项目说明文档
概述
本项目由两个主要文件组成：huatu.py 和 train_lenet5_mnist.py。其中，train_lenet5_mnist.py 用于训练一个 LeNet-5 神经网络模型来识别手写数字，而 huatu.py 提供了一个图形化界面，允许用户在画布上手写数字并通过训练好的模型识别该数字。
文件一：train_lenet5_mnist.py
目标
该脚本用于训练 LeNet-5 模型来进行手写数字识别，数据来源于 MNIST 数据集。
关键组件
-
LeNet-5 模型定义
-
LeNet-5 是一个经典的卷积神经网络（CNN），用于处理手写数字识别任务。模型包含：
-
两个卷积层，分别通过 ReLU 激活函数与池化操作处理输入数据。
-
三个全连接层，其中最后一个全连接层的输出为 10 个类，对应数字 0 到 9。
-
-
数据预处理
-
输入图像经过调整大小（32x32）、转换为张量以及标准化处理，符合 LeNet-5 的输入要求。
-
训练过程
-
使用 MNIST 数据集的训练集进行模型训练，并使用 Adam 优化器和交叉熵损失函数。
-
每个 epoch 后，评估模型在测试集上的表现，并输出准确率。
-
训练过程中输出每 100 个批次的损失值，方便观察训练进展。
-
保存模型
-
在训练完成后，保存训练好的模型参数到文件
lenet5_mnist.pth，用于后续的推理任务。
文件二：huatu.py
目标
该脚本实现了一个图形化界面，允许用户通过手写数字进行绘制，并使用训练好的 LeNet-5 模型进行数字识别。
关键组件
-
LeNet-5 模型加载
-
在程序启动时，加载训练好的模型
lenet5_mnist.pth，以便用于推理任务。 -
图形界面
-
使用
Tkinter创建了一个简单的图形化界面，包括一个 200x200 像素的画布，用户可以在该画布上绘制手写数字。 -
用户绘制时，系统会在画布上显示黑色圆点模拟笔画。
-
提供了两个按钮：
识别按钮用于调用模型进行数字识别，清空按钮用于清空画布。 -
图像预处理
-
用户绘制的手写数字会被转换为灰度图像，反转颜色（从黑底白字转换为白底黑字），并进行大小调整至 32x32，符合 LeNet-5 模型的输入要求。
-
数字识别
-
使用加载的 LeNet-5 模型进行预测，输出预测的数字，并在界面上通过弹窗展示识别结果。
-
错误处理
-
如果加载模型失败，程序会弹出错误提示并退出。
依赖项
-
torch和torchvision：用于定义和训练 LeNet-5 模型，进行推理。 -
PIL（Python Imaging Library）：用于处理图像的绘制和预处理。 -
Tkinter：用于创建图形化用户界面，处理用户输入。
总结
本项目实现了一个简单的手写数字识别应用，包括训练和推理两个部分。train_lenet5_mnist.py 通过训练 LeNet-5 网络来识别 MNIST 手写数字，而 huatu.py 提供了一个直观的界面，允许用户手绘数字并使用训练好的模型进行识别。此项目适用于初学者了解卷积神经网络（CNN）和 PyTorch 框架的使用，以及如何将机器学习模型部署到实际应用中。
《实验报告》
| 实践项目名称：使用Lenet-5模型实现手写数字识别 | |
|---|---|
| 姓 名： | 学 号： |
| 项目背景和目的：随着人工智能技术的快速发展，深度学习在计算机视觉领域取得了显著的成果，尤其是在图像识别任务中表现出色。手写数字识别作为计算机视觉的经典问题之一，具有广泛的应用场景，如邮政编码识别、银行支票处理、表单数据录入等。LeNet-5 是由 Yann LeCun 等人提出的经典卷积神经网络（CNN）结构，专门用于高效的手写数字识别，并在 MNIST 数据集上取得了优异的表现。本项目基于 PyTorch 框架，实现了 LeNet-5 模型的训练与部署，并结合图形化界面（GUI）构建了一个交互式手写数字识别系统。通过该应用，用户可以在画布上自由绘制数字，并实时获取模型的识别结果。这不仅有助于理解 CNN 的工作原理，还能直观地展示深度学习模型的实际应用效果。项目目的与意义技术实践与学习通过实现 LeNet-5 模型，深入理解卷积神经网络的结构及其在图像分类任务中的应用。掌握 PyTorch 框架的使用方法，包括数据加载、模型训练、评估与保存。学习如何将训练好的模型部署到实际应用中，并结合 GUI 提升用户体验。 应用价值提供一个直观的手写数字识别工具，可用于教育演示或简单的数字输入场景。为后续更复杂的图像识别任务（如手写汉字识别、物体检测等）奠定基础。教育与研究意义适合机器学习初学者了解 CNN 的基本原理和实现流程。可作为课程实验、毕业设计或科研项目的参考案例，帮助学习者快速上手深度学习项目开发。本项目的核心目标是构建一个端到端的手写数字识别系统，从模型训练到实际应用，完整展示深度学习项目的开发流程，同时为用户提供一个简单易用的交互工具。 | |
项目原理：LeNet-5 是由 Yann LeCun 在 1998 年提出的经典 CNN 结构，主要用于手写数字识别（MNIST 数据集）。其结构如下：核心特点：卷积层（Conv1, Conv2）：提取局部特征（如边缘、角点）。池化层（MaxPool）：降低计算量，增强平移不变性。全连接层（FC1, FC2, FC3）：整合特征，输出分类概率。 LeNet-5的卷积神经网络  LeNet-5的网络结构相关算法介绍：1.卷积层是 CNN 的核心组成部分，通过卷积核（也称为滤波器）在输入数据上进行滑动卷积操作，提取数据的局部特征。2.池化层主要用于对特征图进行下采样，降低数据维度，减少计算量，同时在一定程度上增强模型的鲁棒性。3.全连接层将经过卷积和池化操作提取到的特征进行整合，并映射到输出空间。在全连接层中，每个神经元与上一层的所有神经元都有连接，通过权重矩阵和偏置项进行线性变换，再经过激活函数（如 Softmax 函数用于分类任务）得到最终的输出。 |
|
项目内容：本项目基于LeNet-5模型实现藏文手写数字识别任务，旨在验证经典卷积神经网络在藏文数字识别中的有效性，并通过优化模型结构和参数提升性能。以下是项目的详细内容：1.数据准备与预处理MNIST 数据集（6万训练 + 1万测试）调整图像尺寸至 32×32（LeNet-5 输入要求）归一化（像素值缩放到 [0,1]）转换为 PyTorch Tensor2.模型构建本项目采用LeNet-5作为基础模型，其结构如下：模型结构图： 3.模型训练过程优化器：Adam（自适应学习率）损失函数：交叉熵损失（CrossEntropyLoss）训练策略：前向传播 → 计算损失 → 反向传播 → 更新权重每个 epoch 后计算测试集准确率模型保存：训练完成后保存为 lenet5_mnist.pth 通过上述流程，本项目实现了对手写数字的高效识别，验证了LeNet-5模型在简单图像分类任务中的有效性。 4.可视化结果使用Matplotlib绘制训练过程中的损失曲线和准确率曲线。可视化部分测试样本的预测结果，展示模型的分类效果。 3. 交互式识别（huatu.py）(1) 图形界面（Tkinter）画布（200×200 像素）：用户鼠标绘制数字按钮： 识别 → 调用模型预测清空 → 重置画布 (2) 图像预处理获取画布图像（200×200 像素）转换为灰度图（PIL.Image → L 模式）反色处理（黑底白字 → 白底黑字，与 MNIST 一致）调整尺寸 → 32×32（匹配 LeNet-5 输入）归一化 & 张量转换 (3) 模型推理加载 lenet5_mnist.pth前向传播 → 输出 10 维概率向量取最大值 → 预测数字（0-9） |
|
实验结果与分析：1.实验环境·CPU：Intel Core i7-10750H·GPU：NVIDIA GeForce RTX 2060（用于加速训练）·内存：16GB·操作系统：Windows 11·深度学习框架：PyTorch 2.0 + CUDA 11.7·编程语言：Python 3.9·辅助工具：Matplotlib（可视化）、NumPy（数据处理）2.实验数据·训练集：8,884张（50%）·测试集：8,884张（50%）·图像归一化（像素值缩放到[0, 1]）·尺寸统一调整为28×28像素·数据增强（随机旋转±10°，平移±2像素）3.评价指标·准确率（Accuracy）：分类正确的样本占总样本的比例。·损失值（Loss）：交叉熵损失，反映模型预测与真实标签的差异。·混淆矩阵：可视化各类别的分类情况，分析模型错误模式。 4.实验结果 左侧图表：Training Loss Curve（训练损失曲线） 蓝色线条（Training Loss，训练损失）：颜色特征： 以蓝色呈现，清晰绘制出训练损失随训练轮次（Epoch）变化的趋势。趋势解读：图中显示训练损失从初始值（大约0.0037）快速下降，前期的下降斜率较大，说明模型在训练初期对训练集数据的拟合能力迅速提升。随着训练轮次增加，下降速度逐渐放缓，在4轮训练后，训练损失进一步降低至接近0.002的水平，呈现出良好的收敛趋势。这种趋势表明模型在训练集上的损失持续减少，显示出良好的学习效果。 右侧图表：Test Accuracy Curve（测试准确率曲线） 橙色线条（Test Accuracy，测试准确率）：颜色特征： 以橙色呈现，显著标识模型在测试集上的预测准确率变化趋势。趋势解读：测试准确率的初始值较高（约为97.4%），表明模型从一开始在测试集上已有一定预测能力。随着训练轮次增加，测试准确率迅速升高，在第3轮时达到峰值（约98.8%），凸显出模型对测试集数据的预测能力不断提升。在第3轮之后，准确率略微下降至98.6%左右，可能是由于数据分布的轻微波动或过度拟合的早期迹象。整体来看，模型在测试集上的准确率波动较小，仍旧维持在较高水平，说明模型在测试集上的表现具有稳定性和一定泛化能力。 |
|
| 总结：从图表分析可以看出，模型的训练过程表现良好，且在训练和测试数据上的表现具有一定稳定性和泛化能力： 训练损失：训练损失在初期快速下降，并逐渐趋于平稳，最终稳定在较低水平，表明模型对训练集数据具有较好的拟合能力，且训练已基本收敛。 测试准确率：测试准确率从初始较高水平逐步提升，在模型训练达到一定程度后，准确率接近峰值并保持在较高的范围内，说明模型在测试集上的预测性能较为优秀。同时，尽管后期准确率略微下降，但整体变化幅度较小，表明泛化能力较为稳定。 总体来看，模型在训练集上的拟合效果和在测试集上的泛化表现均表现出色，未明显出现过拟合现象，但后续需要对提升泛化能力进行持续关注和优化。 | |
| 附件1 代码：import torchimport torch.nn as nnimport torch.optim as optimimport torch.nn.functional as Ffrom torchvision import datasets, transformsfrom torch.utils.data import DataLoader # 定义LeNet-5模型class LeNet5(nn.Module): def __init__(self): super(LeNet5, self).__init__() self.conv1 = nn.Conv2d(1, 6, kernel_size=5) # 输入通道1，输出通道6，卷积核大小5x5 self.pool = nn.AvgPool2d(2, 2) # 平均池化，窗口2x2 self.conv2 = nn.Conv2d(6, 16, kernel_size=5) # 输入通道6，输出通道16，卷积核大小5x5 self.fc1 = nn.Linear(16 * 5 * 5, 120) # 全连接层1，修正输入维度 self.fc2 = nn.Linear(120, 84) # 全连接层2 self.fc3 = nn.Linear(84, 10) # 输出层 def forward(self, x): x = self.pool(F.relu(self.conv1(x))) # 卷积1 -> ReLU -> 池化 x = self.pool(F.relu(self.conv2(x))) # 卷积2 -> ReLU -> 池化 x = x.view(-1, 16 * 5 * 5) # 展平特征图，修正展平维度 x = F.relu(self.fc1(x)) # 全连接1 -> ReLU x = F.relu(self.fc2(x)) # 全连接2 -> ReLU x = self.fc3(x) # 输出层 return x def train(): # 设置设备 device = torch.device("cuda" if torch.cuda.is_available() else "cpu") print(f"使用设备: {device}") # 数据预处理 transform = transforms.Compose([ transforms.Resize((32, 32)), # LeNet-5 输入尺寸是32x32 transforms.ToTensor(), transforms.Normalize((0.1307,), (0.3081,)) ]) # 加载训练和测试数据 train_dataset = datasets.MNIST(root='./data', train=True, download=True, transform=transform) test_dataset = datasets.MNIST(root='./data', train=False, download=True, transform=transform) train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True) test_loader = DataLoader(test_dataset, batch_size=1000, shuffle=False) # 初始化模型、损失函数和优化器 model = LeNet5().to(device) criterion = nn.CrossEntropyLoss() optimizer = optim.Adam(model.parameters(), lr=0.001) # 训练模型 epochs = 30 for epoch in range(1, epochs + 1): model.train() running_loss = 0.0 for batch_idx, (data, target) in enumerate(train_loader): data, target = data.to(device), target.to(device) optimizer.zero_grad() outputs = model(data) loss = criterion(outputs, target) loss.backward() optimizer.step() running_loss += loss.item() if batch_idx % 100 == 99: print(f"Epoch [{epoch}/{epochs}], Step [{batch_idx +1}/{len(train_loader)}], Loss: {running_loss / 100:.4f}") running_loss = 0.0 # 在测试集上验证 model.eval() correct = 0 total = 0 with torch.no_grad(): for data, target in test_loader: data, target = data.to(device), target.to(device) outputs = model(data) _, predicted = torch.max(outputs.data, 1) total += target.size(0) correct += (predicted == target).sum().item() print(f"Epoch [{epoch}/{epochs}] 测试集准确率: {100 * correct / total:.2f}%") # 保存模型 torch.save(model.state_dict(), 'lenet5_mnist.pth') print("模型已保存为 lenet5_mnist.pth") if __name__ == "__main__": train()# huatu.py '''pip install pillow==9.1.0 torchvision== 0.19.1''' import torchimport torch.nn as nnfrom torchvision import transformsfrom PIL import Image, ImageDraw, ImageOpsimport tkinter as tkfrom tkinter import messagebox # 定义LeNet-5模型（与训练时一致）class LeNet5(nn.Module): def __init__(self): super(LeNet5, self).__init__() self.conv1 = nn.Conv2d(1, 6, kernel_size=5) self.pool = nn.AvgPool2d(2, 2) self.conv2 = nn.Conv2d(6, 16, kernel_size=5) self.fc1 = nn.Linear(16 * 5 * 5, 120) # 修正输入维度为16*5*5=400 self.fc2 = nn.Linear(120, 84) self.fc3 = nn.Linear(84, 10) def forward(self, x): x = self.pool(torch.relu(self.conv1(x))) x = self.pool(torch.relu(self.conv2(x))) x = x.view(-1, 16 * 5 * 5) # 修正展平特征图维度 x = torch.relu(self.fc1(x)) x = torch.relu(self.fc2(x)) x = self.fc3(x) return x class App: def __init__(self, master): self.master = master master.title("手写数字识别") self.canvas_width = 200 self.canvas_height = 200 self.canvas = tk.Canvas(master, width=self.canvas_width, height=self.canvas_height, bg='white') self.canvas.pack() self.button_frame = tk.Frame(master) self.button_frame.pack() self.recognize_button = tk.Button(self.button_frame, text="识别", command=self.recognize) self.recognize_button.pack(side=tk.LEFT) self.clear_button = tk.Button(self.button_frame, text="清空", command=self.clear) self.clear_button.pack(side=tk.LEFT) # 绑定鼠标事件 self.canvas.bind("\ |